قامت شركة Twelve Labs، وهي شركة ناشئة تعمل في مجال بناء الذكاء الاصطناعي الذي يمكنه فهم الفيديو بالطريقة التي تفهم بها النماذج اللغوية النص، بجمع 100 مليون دولار في جولة تمويل من السلسلة B حيث تراهن على أن الحدود التالية للذكاء الاصطناعي تكمن في الحركة بدلاً من الكلمات.

أعلنت الشركة عن التمويل على مدونتها في 1 يوليو 2026. وقادت الجولة NEA وNAVER Ventures، بمشاركة من أمازون جنبًا إلى جنب مع Radical Ventures وKorea Investment Partners وIndex Ventures وQuadrille Capital وRed Bull Ventures. بالنسبة [لتغطية صناعة الذكاء الاصطناعي] (https://aibuzzwire.news) على نطاق أوسع لتتبع تدفقات رأس المال الاستثماري، تؤكد الصفقة على القناعة المتزايدة بين المستثمرين بأن الفيديو هو نوع البيانات الرئيسي التالي الذي يجب على الذكاء الاصطناعي إتقانه.

"العالم لا يحدث في النص"

قام جاي لي، المؤسس المشارك والرئيس التنفيذي، بصياغة مهمة الشركة بعبارات صارخة. وكتب في الإعلان: "قبل خمس سنوات، بدأنا بملاحظة بسيطة: العالم لا يحدث في النص، بل يحدث في الحركة".

في مقابلة مع بلومبرج نيوز، توسع لي في الفكرة، مجادلًا بأن الفيديو "هو أكثر بيانات الإشارات تشابهًا التي نتلقاها كبشر للتعرف على العالم". وقارن ذلك مع بنيات الذكاء الاصطناعي السائدة في الوقت الحالي، مشيرًا إلى أن "هذا يختلف حتى عن أحدث النماذج الحدودية مثل Fable 5 وMythos، والتي لا تزال نماذج لغوية".

تعتمد الحجة على فجوة في كيفية عمل الذكاء الاصطناعي حاليًا. وكتب لي أن العقد الأخير من تطور الذكاء الاصطناعي "جعل النصوص قابلة للبرمجة"، لكن الفيديو لم يتلق نفس المعاملة بعد. ووصف الفيديو العالمي بأنه "مادة مظلمة في الغالب بالنسبة للآلات"، الموجودة في الأرشيفات، وعلى الطائرات بدون طيار، وفي قنوات الأقمار الصناعية، ولا يزال الوصول إليها إلى حد كبير "من خلال أسماء الملفات، والمجلدات، والتسميات التوضيحية، والنصوص، والذاكرة البشرية".

جعل الفيديو قابلاً للاستخدام من قبل الوكلاء

الهدف المعلن لـ Twelve Labs هو سد هذه الفجوة. وكتب لي: "هدفنا هو جعل كل ثانية من الفيديو قابلة للعنونة والبحث والاستخدام من قبل العملاء"، مشيرًا إلى ظهور عملاء الذكاء الاصطناعي، والأنظمة المستقلة التي يمكنها التفكير واتخاذ الإجراءات، باعتبارها المحرك الرئيسي للطلب.

إذا جعلت نماذج اللغة المستندات قابلة للبحث، ومولدات الأكواد جعلت بناء البرامج أسرع، فإن نموذج فهم الفيديو يمكن أن يجعل الأرشيف الهائل وغير المستغل إلى حد كبير من الفيديو المسجل في متناول الأنظمة الآلية. وهذا له تطبيقات عبر وسائل الإعلام، والأمن، والمركبات ذاتية القيادة، والمؤسسات، وأي مجال تعتمد فيه القرارات على فهم ما يحدث داخل دفق الفيديو.

فئة مزدحمة ولكنها مميزة

تحتل Twelve Labs مكانة تقع بين اثنتين من أكثر الفئات وضوحًا في الذكاء الاصطناعي. على جانب واحد توجد مولدات الفيديو، وهي أدوات تقوم بإنشاء فيديو جديد من المطالبات النصية. ومن ناحية أخرى توجد نماذج لغوية كبيرة تعالج النص. يركز Twelve Labs بدلاً من ذلك على فهم الفيديو وتفسير الفيديو الموجود حتى تتمكن الأجهزة من البحث عنه وتلخيصه والتصرف بناءً عليه.

أشارت PYMNTS إلى أن مولدات الفيديو كانت جزءًا من جيل جديد من فئات البرامج الاستهلاكية التي تتمحور حول الذكاء الاصطناعي، إلى جانب مرافقي الذكاء الاصطناعي والبحث التحادثي وأدوات البرمجة السريعة. يستهدف نهج Twelve Labs جانب العرض لهذا الاتجاه، من خلال بناء النماذج الأساسية التي يمكن أن تجعل الفيديو نوعًا بيانات من الدرجة الأولى للوكلاء والتطبيقات التي يتم بناؤها فوقه.

لماذا يدعم المستثمرون الذكاء الاصطناعي للفيديو

تشير قائمة الداعمين في الجولة إلى أوامر الذكاء الاصطناعي الخاصة بالفيديو ذات الاهتمام الاستراتيجي. تعد مشاركة أمازون ملحوظة نظرًا لأن قسم السحابة AWS التابع للشركة هو المزود الرئيسي للبنية التحتية للذكاء الاصطناعي واستثماراته الخاصة في خدمات الفيديو والوسائط. تشير NAVER Ventures، الذراع الاستثمارية لعملاق الإنترنت الكوري الجنوبي، وRadical Ventures، وهي شركة تركز على الذكاء الاصطناعي، إلى الاهتمام العالمي بهذه الفئة.

وتعكس الجولة أيضًا نمطًا أوسع في تمويل الذكاء الاصطناعي حتى منتصف عام 2026، حيث يقوم المستثمرون بتوجيه رأس المال نحو الشركات الناشئة التي تتبع طرائق البيانات خارج النص. وفي حين استحوذت النماذج المستندة إلى النصوص على نصيب الأسد من الاهتمام والاستثمار، يُنظر إلى الفيديو وغيره من أشكال البيانات الغنية الواقعية على أنها الساحة التالية حيث يمكن تحقيق اختراقات وعائدات ذات مغزى.

ما يتيحه التمويل

لم تقدم Twelve Labs تفاصيل عن خطط الإنفاق المحددة، ولكن حجم الزيادة، 100 مليون دولار في جولة واحدة، يشير إلى استثمار كبير في الحوسبة والمواهب وتطوير النماذج. يعد تدريب نماذج فهم الفيديو أكثر تطلبًا من الناحية الحسابية بكثير من تدريب النماذج النصية، نظرًا للحجم الهائل لملفات الفيديو، مما يزيد من تكلفة التقدم.

بالنسبة إلى لي، الرهان هو أن المردود يبرر هذه التكلفة. وعلى حد تعبيره، فإن "أغنى سجل للواقع لا يزال إلى حد كبير خارج الطبقة الدلالية التي تستخدمها أنظمة الذكاء الاصطناعي الحديثة". يعد التمويل الجديد لـ Twelve Labs بمثابة رهان على أن جلب الفيديو داخل تلك الطبقة سيكون أحد التطورات المميزة للذكاء الاصطناعي في السنوات القادمة.

المصادر: PYMNTS، بلومبرج نيوز، مدونة شركة Twelve Labs.

---

ابقَ في طليعة الذكاء الاصطناعي

احصل على آخر الأخبار والتحليلات والإنجازات في مجال الذكاء الاصطناعي — كل ذلك في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →